Segmentation-free PVC for Cardiac SPECT using a Densely-connected Multi-dimensional Dynamic Network

要約

核イメージングでは、解像度が制限されると、画像の鮮明さと定量的精度に影響を与える部分ボリューム効果（PVE）が発生します。
CTまたはMRIからの高解像度の解剖学的情報を組み込んだ部分ボリューム補正（PVC）法が効果的であることが実証されています。
ただし、このような解剖学的ガイド手法では、通常、面倒な画像レジストレーションとセグメンテーションの手順が必要です。
ハイエンドCTおよび関連するモーションアーチファクトを備えたハイブリッドSPECT/CTスキャナーがないため、特に心臓SPECTイメージングでは、正確にセグメント化された臓器テンプレートを取得することも困難です。
わずかな位置ずれ/セグメンテーションの誤りは、PVC後の画質の深刻な低下をもたらします。
この作業では、解剖学的情報と関連する臓器のセグメンテーションなしで、高速心臓SPECTPVCの深層学習ベースの方法を開発します。
提案されたネットワークは、密に接続された多次元動的メカニズムを含み、ネットワークが完全にトレーニングされた後でも、畳み込みカーネルを入力画像に基づいて適合させることができます。
心筋内血液量（IMBV）は、ネットワーク最適化のための追加の臨床関連損失関数として導入されています。
提案されたネットワークは、テクネチウム99m標識赤血球を使用した64スライスCTを備えたGE Discovery NM /CT570c専用心臓SPECTスキャナーで取得された28の犬の研究で有望なパフォーマンスを示しました。
この作業は、密に接続された動的メカニズムを備えた提案されたネットワークが、そのようなメカニズムを備えていない同じネットワークと比較して優れた結果を生み出すことを示した。
結果はまた、解剖学的情報のない提案されたネットワークが、解剖学的ガイドされたPVC法によって生成された画像と統計的に同等のIMBV測定値を持つ画像を生成できることを示しました。

要約(オリジナル)

In nuclear imaging, limited resolution causes partial volume effects (PVEs) that affect image sharpness and quantitative accuracy. Partial volume correction (PVC) methods incorporating high-resolution anatomical information from CT or MRI have been demonstrated to be effective. However, such anatomical-guided methods typically require tedious image registration and segmentation steps. Accurately segmented organ templates are also hard to obtain, particularly in cardiac SPECT imaging, due to the lack of hybrid SPECT/CT scanners with high-end CT and associated motion artifacts. Slight mis-registration/mis-segmentation would result in severe degradation in image quality after PVC. In this work, we develop a deep-learning-based method for fast cardiac SPECT PVC without anatomical information and associated organ segmentation. The proposed network involves a densely-connected multi-dimensional dynamic mechanism, allowing the convolutional kernels to be adapted based on the input images, even after the network is fully trained. Intramyocardial blood volume (IMBV) is introduced as an additional clinical-relevant loss function for network optimization. The proposed network demonstrated promising performance on 28 canine studies acquired on a GE Discovery NM/CT 570c dedicated cardiac SPECT scanner with a 64-slice CT using Technetium-99m-labeled red blood cells. This work showed that the proposed network with densely-connected dynamic mechanism produced superior results compared with the same network without such mechanism. Results also showed that the proposed network without anatomical information could produce images with statistically comparable IMBV measurements to the images generated by anatomical-guided PVC methods, which could be helpful in clinical translation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google